基于对比学习的信息缺失手势识别新方法

针对现有深度学习模型识别信息缺失手势需要大量标注数据、更深的网络需要更多参数的问题,首先收集整理了一个信息缺失手势数据集IMG_NUIST,然后借鉴对比学习思想,提出了一个新的信息缺失手势识别模型CLGR,该模型通过对手势类内和类间差异度的对比约束提高模型特征学习性能。在两个经典数据集(ASL Alphabet和NUS I)和新提出的IMG_NUIST数据集上进行了广泛实验,消融实验表明对比学习思想能有效地将平均识别准确率提高至98.60%以上且收敛速度显著提升;对比实验表明本文所提模型计算复杂度比其它4个模型平均简化了41.4%,在NUS I和IMG_NUSIT数据集上的手势识别准确率超过四个对比方法,特别是在NUS I数据集上将识别准确率平均提高了17.35%,在ASL Alphabet数据集上的识别准确度仅比最优结果低0.43%。实验结果说明所提模型对于缺失手部部分信息和杂乱背景等问题的手势识别任务有显著效果,具有收敛速度更快、计算复杂度更少的优秀性能,有很好的实用价值。

元宇宙十大应用场景

今天的演讲,主要围绕两个话题:一是探讨元宇宙产业的发展,二是提高人们对元宇宙的认知。关于元宇宙,我分享几个观点。第一,没有虚拟现实就没有元宇宙;第二,元宇宙与“宇宙”关系不大.